| 研究課題/領域番号 |
22K18215
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分90130:医用システム関連
|
|---|
| 研究機関 | 兵庫県立大学 |
|---|
研究代表者 |
藤田 大輔 兵庫県立大学, 工学研究科, 助教 (90907867)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | 人工知能 / 深層学習 / 機械学習 / 尿路結石 / 泌尿器疾患 / ESWL / 泌尿器 |
|---|
| 研究開始時の研究の概要 |
尿路結石に対する体外衝撃波結石破砕術の成否を事前に予測し，適切な治療決定の支援をおこなう．尿路結石症の症例データおよびCT画像データに統計的・人工知能の手法を適用し，治療の成否の予測をおこなう．これらの開発された手法は，泌尿器科において一般的に得られる症例データとCT画像データから成否の予測をすることができる．これらの結果から，泌尿器科の現場において不適切な体外衝撃波結石破砕術の適用を避け，その症例に適した治療の選択を支援することができる．
|
| 研究成果の概要 |
尿路結石に対して、術前に標準的に取得されるCT画像などの情報から、体外衝撃波破砕術(ESWL)の成否(アウトカム)を予測することで、治療方針決定を支援する手法の開発を目指した。アウトカムの予測精度とモデル解釈性の向上を両立させるために、深層学習による画像特徴量抽出法の提案、機械学習における特徴量選択を行った。結果として、特徴量数を7種に削減した予測モデルによってAUC 0.956が得られた。
|
| 研究成果の学術的意義や社会的意義 |
学術的な意義として、従来なされていなかった結石画像に対する深層学習による特徴量抽出法の提案と評価、また機械学習アルゴリズムと特徴量選択により解釈性を保ちながら予測精度を向上する方法の提案により、ESWLアウトカム予測の質が向上したことがあげられる。社会的には、より臨床で使いやすい予測モデルが得られたため、二重治療による患者と臨床現場の負担軽減に貢献できる。今後前向きでの予測モデルの評価が必要であるが、治療方針決定支援による医療の質向上の足掛かりとなる結果が得られた。
|
